基于典型地物字典学习的遥感图像分块重构方法

• 作者: 刘佶鑫 孙权森 王轩
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 遥感图像 压缩感知 图像重构 字典学习 邻域优化
• 年，卷（期）: 2018,（3）
• 页码范围: 461-468
• 页数: 8页
• 分类号: TP751
• 字数: 5324字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2018.03.009

摘要

遥感图像压缩的传统方法普遍存在着重构时间长、重构质量有待改进等应用难题.本文针对不同典型地物的遥感图像,采用K-SVD字典学习方法分别进行过完备字典训练.重构过程中,采用图像分块优化机制:首先对部分图像块通过多次迭代,从相应地物的过完备字典里求解出能线性表示原图像的原子;然后对其邻域内的图像块,优先使用这些原子中的一部分作为初始值求表示残差,以减少迭代次数.该方法充分利用了典型地物遥感图像的信息内容以及图像块间的相似性,在重构的图像质量、重构速度方面,与非冗余正交基构造的通用字典或未分类的学习字典相比,有一定优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙权森	南京理工大学计算机科学与工程学院	112	1385	19.0	32.0
2	刘佶鑫	南京邮电大学宽带无线通信技术教育部工程研究中心	10	31	4.0	5.0
3	王轩	南京理工大学计算机科学与工程学院	1	2	1.0	1.0